随着互联网应用的不断丰富，网络流量需求与网络带宽之间的矛盾日益增大，网络流量管理的作用显得尤为重要。在“尽力而为”的服务模型下，P2P文件传输等非关键流量消耗着大量的带宽，而关键业务流的服务质量却没有得到保证。将网络流量中不同业务流进行分类，再根据需要实施流量控制能够有助于以上问题的解决。论文的总体思想是运用隐马尔可夫模型（HMM）将网络流交互中的时序特征（句法结构）和统计特征提取并结合起来，作为网络流量分类的依据，并对已分类的关键业务流量通过改进的基于令牌桶的流量整形算法来保证其服务质量。论文主要开展了以下几个方面的工作：①研究了基于HMM的网络流分类模型构建和运用方法。分析网络流的交互过程，从而提出了网络流句法结构和统计特征的提取方法，构建出网络流隐马尔可夫模型；具体讨论了对经典前向算法及Baum-Welch算法的改造，使其能够应用于流量分类和网络流隐马尔可夫模型的学习。②研究在Netfilter框架下基于令牌桶算法的流量控制与整形技术。论文对传统令牌桶算法进行了控制精度和数据转发逻辑的改进；分析了UDP和TCP协议的不同特点，分别采用估算缓存空间和Window-sizing的方法实现了缓存管理的优化；最后运用自动控制理论中的闭环负反馈控制原理设计了带宽保障机制。③设计实现了基于HMM分类器和流量控制器的网络流量管理原型系统。其中运用Java工具实现了在线流量分类器，并以Linux的网络堆栈核心数据结构及内核定时器为基础，实现了基于Netfilter的网络流量控制器。实验验证了所设计原型系统的功能正确性和有效性。